UJI CHI-SQUARE
TABEL 2 x 2 UJI FISHER TABEL b x k UJI TREND
INFLUENSA TOTAL YA TIDAK VAKSIN 20 (8,3%) 220 (91,7%) 240 PLASEBO 80 (36,4%) 140 (63,6%) 220 TOTAL 100 (21,7%) 360 (78,3%) 460
Prinsip uji chi-square tabel 2 x 2:
Membandingkan nilai yang
diobservasi (observed/O) pada setiap
kategori tabel dengan nilai yang
diharapkan (expected/E) apabila ada
perbedaan efektivitas antara vaksin
dengan plasebo
Syarat: jumlah sampel >40
Contoh kasus adalah uji vaksin
Nilai observed (O): Nilai expected (E): INFLUENSA TOTAL YA TIDAK VAKSIN 20 (8,3%) 220 (91,7%) 240 PLASEBO 80 (36,4%) 140 (63,6%) 220 TOTAL 100 (21,7%) 360 (78,3%) 460 INFLUENSA TOTAL YA TIDAK VAKSIN 52,2 187,8 240 PLASEBO 47,8 172,2 220 TOTAL 100 360 460
Nilai observed (O): Nilai expected (E): INFLUENSA TOTAL YA TIDAK VAKSIN 20 (8,3%) 220 (91,7% ) 240 PLASEBO 80 (36,4% ) 140 (63,6% ) 220 TOTAL 100 (21,7% ) 360 (78,3% ) 460 INFLUENSA TOTAL YA TIDAK VAKSIN 52,2 187,8 240 PLASEBO 47,8 172,2 220 TOTAL 100 360 460
• Ada total 100 dari 460 subyek terkena influensa
• Bila vaksin dan plasebo sama2 efektif maka diharapkan:
• (100/460) * 240 = 52,2 subyek dari kelompok vaksin, dan
• (100/460) * 220 = 47,8 subyek dari kelompok plasebo akan
terkena influensa, dan sebaliknya: • (360/460)*240 = 187,8 dan
(360/460)*220 = 172,2 terhindar influensa
• Nilai chi-square dihitung sbb:
(O-E)2 / E untuk setiap sel yang ada
atau:
χ2 = Σ[(O-E)2 / E] dengan df = 1 untuk
Nilai observed (O): Nilai expected (E): INFLUENSA TOTAL YA TIDAK VAKSIN 20 (8,3%) 220 (91,7%) 240 PLASEBO 80 (36,4%) 140 (63,6%) 220 TOTAL 100 (21,7%) 360 (78,3%) 460 INFLUENSA TOTAL YA TIDAK VAKSIN 52,2 187,8 240 PLASEBO 47,8 172,2 220 TOTAL 100 360 460
χ2 = Σ[(O-E)2 / E] dengan df = 1 untuk tabel 2 x 2:
= [(20–52,2)2/52,2] + [(80–47,8)2/47,8] + [(220-187,8)2/187,8] +
[(140172,2)2/172,2]
= 19,86 + 21,69 + 5,52 + 6,02 = 53,09 => lihat tabel => P < 0,001
Artinya, probabilitas beda subyek terkena influensa yang diobservasi karena alasan kebetulan adalah kurang dari 0,001 (kurang dari 0,1%) apabila tidak ada beda antara vaksin dan plasebo => hipotesis null ditolak
Nilai observed (O): Nilai expected (E): INFLUENSA TOTAL YA TIDAK VAKSIN 20 (8,3%) 220 (91,7%) 240 PLASEBO 80 (36,4%) 140 (63,6%) 220 TOTAL 100 (21,7%) 360 (78,3%) 460 INFLUENSA TOTAL YA TIDAK VAKSIN 52,2 187,8 240 PLASEBO 47,8 172,2 220 TOTAL 100 360 460 Formula cepat: χ2 = n(d1h0 – d0h1)2 / dhn1n0
Nilai observed (O): Nilai expected (E): INFLUENSA TOTAL YA TIDAK VAKSIN 20 (8,3%) 220 (91,7%) 240 PLASEBO 80 (36,4%) 140 (63,6%) 220 TOTAL 100 (21,7%) 360 (78,3%) 460 INFLUENSA TOTAL YA TIDAK VAKSIN 52,2 187,8 240 PLASEBO 47,8 172,2 220 TOTAL 100 360 460
Kaitan antara uji chi-square dan uji z:
Uji z untuk kasus yang sama = (p1-p0) / √[p(1-p)(1/n1+1/n0)], memberi hasil z = -7,281 => z2 = (-7,281)2 = 53,01
Nilai observed (O): Nilai expected (E): INFLUENSA TOTAL YA TIDAK VAKSIN 20 (8,3%) 220 (91,7%) 240 PLASEBO 80 (36,4%) 140 (63,6%) 220 TOTAL 100 (21,7%) 360 (78,3%) 460 INFLUENSA TOTAL YA TIDAK VAKSIN 52,2 187,8 240 PLASEBO 47,8 172,2 220 TOTAL 100 360 460
Hasil uji chi-square dapat ditingkatkan dengan koreksi Yate:
χ2 = Σ [(|O-E| - 0,5)2 / E], dengan d.f. = 1
= (32,2–0,5)2/52,2 + (32,2–0,5)2/47,8 + (32,2–0,5)2/187,8 + (32,2–0,5)2/172,2
Uji Fisher (Exact-test)
Jumlah total subyek <20, atau
Jumlah total subyek 20 – 40 tetapi
Contoh kasus
Intervensi Komplikasi perdarahan Total Ya Tidak A 1 (d1) 12 (h1) 13 (n1) B 3 (d0) 9 (h0) 12 (n0) Total 4 (d) 21 (h) 25 (n)Contoh kasus
Intervensi Komplikasi perdarahan Total Ya Tidak A 1 (d1) 12 (h1) 13 (n1) B 3 (d0) 9 (h0) 12 (n0) Total 4 (d) 21 (h) 25 (n)• Rumus uji Fisher:
χ2 = d! h! n1! n0! / (n! d1! h1! d0! h0!)
= 4! 21! 13! 12! / (25! 1! 12! 3! 9!)
= 4 x 13 x 12 x 11 x 10 / (25 x 24 x 23 x 22) = 0,2261
• Harus dihitung probabilitas dari tabel ekstrim yang mungkin terjadi secara kebetulan => untuk kasus ini masih ada 5 tabel yang mungkin terjadi
Total 1 12 13 3 9 12 Total 4 21 25 Total 3 10 13 1 11 12 Total 4 21 25 Total 2 11 13 2 10 12 Total 4 21 25 Total 4 9 13 0 12 12 Total 4 21 25 Total 0 13 13 4 8 12 Total 4 21 25
P = 0,2261 Total 1 12 13 3 9 12 Total 4 21 25 P = 0,2713 Total 3 10 13 1 11 12 Total 4 21 25 P = 0,4070 Total 2 11 13 2 10 12 Total 4 21 25 P = 0,0565 Total 4 9 13 0 12 12 Total 4 21 25 P = 0,0391 Total 0 13 13 4 8 12 Total 4 21 25 Nilai P?
Nilai P= 2(nilai awal + nilai terkceil) 2(0,2261 + 0,0391)= 0,5304
Tabel baris x kolom (b x k):
DESA
SUMBER AIR MINUM
TOTAL
SUNGAI KOLAM MATA AIR
A 20 (40,0%) 18 (36.0%) 12 (24,0%) 50 (100,0%) B 32 (53,3%) 20 (33,3%) 8 (13,3%) 60 (100,0%) C 18 (45,0%) 12 (30,0%) 10 (25,0%) 40 (100,0%) 70 50 30 150
Tabel baris x kolom (b x k):
DESA
SUMBER AIR MINUM
TOTAL
SUNGAI KOLAM MATA AIR
A 23,3 16,7 10,0 50
B 28,0 20,0 12,0 60
C 18,7 13,3 8,0 40
χ
2=
Σ
[(O-E)
2/ E]
χ2 = (20-23,3)2/23,3 + (18-16,7)2/16,7 + (12-10,0)2/10,0 + (32-28,0)2/28,0 + (18-18,7)2/18,7 + (20,20,0)2/20,0 + (8-12,0)2/12,0 + (12-13,3)2/13,3 + (10-8,0)2/8,0 = 3,53 Dengan df = (b – 1)(k-1) = 2 X 2 = 4 ⇒ P = 0,47, antara 0,25 dan 0,5Artinya, tidak terbukti adanya perbedaan proporsi sumber air minum antar ketiga desa
Kolmogorov-Smirnov (KS)
K-S 1 variabel, digunakan untuk
membandingkan distribusi
pengamatan dengan distribusi
teoritis pada 1 variabel dengan
skala ordinal
K-S 2 variabel, digunakan untuk
mencari sebab dan akibat
berbeda dari 2 variabel dengan
skala ordinal
Kolmogorov-Smirnov
Tentukan Ho = Tidak ada perbedaan
efek obat lama dan obat baru
Batas penolakan (
α
)
Kolmogorov-Smirnov 1 variabel
Rasa sakit pada saat melahirkan ditunjukkan dengan nilai skor oleh 10 orang wanita:
Skor nyeri: 1 2 3 4 5 Jumlah
Ibu 0 1 0 5 4 10 Distribusi kumulatif ( E ) 1/5 2/5 3/5 4/5 5/5 Distribusi kumulatif ( O ) 0/10 1/10 1/10 6/10 10/10 Selisih 2/10 3/10 5/10 2/10 0/10
Kolmogorov-Smirnov
Ho: Tidak ada perbedaan dalam
pemilihan skor rasa sakit
Karena n=10, maka dipilih
α
=0,01
dan dari tabel D diperoleh
D=0,46, artinya
Dhitung>Dtabel atau Ho ditolak
atau rasa nyeri waktu
melahirkan banyak dikeluhkan
oleh wanita
Chi-square untuk analisis trend
Suatu penelitian ingin mengetahui
hubungan antara obesitas pada
subyek perempuan dengan usia
menarkhe-nya. Paparannya adalah
apakah menarkhe-nya usia < 12
tahun atau usia 12 dan lebih.
Obesitas ditentukan dengan ukuran
tebal lipatan kulit dan dikategorikan
menjadi 3 kelompok
Chi-square untuk analisis trend
Usia
Menarkhe
Ukuran tebal lipatan kulit
Total Kecil Menengah Besar
< 12 tahun 15 (8,8%) (12,8%)29 (19,4%)36 80 ≥ 12 tahun 156 (91,2%) (87,2%)197 (80,6%)150 503 Total 171 (100%) (100%)226 (100%)186 583 Skor 0 1 2 Odds 15/156 29/197 36/150
Log odds menarkhe dan tebal lipatan kulit -2.5 -2 -1.5 -1 -0.5 0 1 2 3
Menghitung chi-square untuk
trend:
U =
Σ
(dx) – O/N*
Σ
(nx)
V = [O(N-O) / N
2(N-1)] [N
Σ
(nx
2)-(
Σ
nx)
2]
χ
2= U
2/ V, untuk df =1
Menghitung chi-square untuk
trend:
Σ(dx) = 15x0 + 29x1 + 36x2 = 101 Σ(nx) = 171x0 + 226x1 + 186x2 = 598 Σ(nx2) = 171x0 + 226x1 + 186x4 = 970 O = 80, N = 583, N-O = 503 U = 101 – (80/583x598) = 18,9417 V = [(80x503)/(5832x582)x(583x970-5982) = 42,2927 χ2 untuk trend = (18,9417)2/42,2927 = 8,483 df = 1 => P antara 0,001 dan 0,005Menghitung chi-square untuk
trend:
Σ(dx) = 15x0 + 29x1 + 36x2 = 101 Σ(nx) = 171x0 + 226x1 + 186x2 = 598 Σ(nx2) = 171x0 + 226x1 + 186x4 = 970 O = 80, N = 583, N-O = 503 U = 101 – (80/583x598) = 18,9417 V = [(80x503)/(5832x582)x(583x970-5982) = 42,2927 χ2 untuk trend = (18,9417)2/42,2927 = 8,483 df = 1 => P antara 0,001 dan 0,005Ada bukti kuat bahwa odds menarkhe dini
Tabel. Hubungan antara makan es buah dengan kejadian diare Diare Total Ada Tidak ada
Es buah Ada 65 (a) 10 (b) 75 (m)
Tidak
ada 25 (c) 25 (d) 50 (n)
Tabel. Hubungan antara makan es buah dengan kejadian diare Diare Total Ada Tidak ada
Es buah Ada 6 (a) 14 (b) 20
Tidak
ada 1 (c) 20 (d) 21
Tabel. Hubungan antara pengetahuan dan perilaku wanita hamil tentang mual-muntah
Perilaku
Pengetahuan Baik Cukup Kurang Total
Baik 18 (a) 10 (b) 7 (c) 35
Cukup 13 (d) 14 (e) 13 (f) 40
Kurang 13 (g) 12 (h) 25 (i) 50
Tabel. Hubungan antara pengetahuan dan perilaku wanita hamil tentang mual-muntah
Perilaku
Pengetahuan Baik Cukup Kurang Total
Baik 14 (a) 21 (b) 0 (c) 35
Cukup 13 (d) 16 (e) 11 (f) 40
Kurang 14 (g) 17 (h) 19 (i) 50
Total 41 54 30 125
Tabel 5. Efek obat lama dan obat baru
Baik Sedang Kurang Total
Obat
baru 12 5 4 21
Obat
lama 2 4 8 14
Suatu studi bertujuan mempelajari
hubungan antara merokok dengan
kanker paru, dan berhasil mengikuti
30.000 perokok dan 60.000
non-perokok selama 1 tahun dan
menemukan 39 dari perokok dan 6
dari non-perokok terkena kanker
paru.
Analisis statistik apa yang sesuai untuk
melaporkan hasil studi tersebut?
Dari data 2000 pasien usia 15-50 tahun
yang terdaftar di praktek dokter
umum X ditemukan 138 pasien yang
ditangani karena diagnosis asma, dan
telah dibuat tabulasinya.
Analisis statistik apa yang sesuai untuk
melaporkan hasil survei tersebut?
Asma + Asma - Total
Perempuan 81 995 1076
Laki-laki 57 867 924
Suatu studi bertujuan untuk memonitor risiko terjadinya keluhan mual hebat pada subyek kanker payudara selama menjalani
kemoterapi. Untuk itu masing2 100 pasien diberi obat yang berbeda, yaitu obat baru atau obat standar. Ternyata 88% dari
kelompok obat baru dan 71% dari
kelompok obat standar mengalami mual hebat.
Analisis statistik apa yang sesuai untuk melaporkan hasil studi tersebut?